[发明专利]一种基于情绪设计对应图标的方法有效

专利信息
申请号: 202010585492.0 申请日: 2020-06-24
公开(公告)号: CN111813286B 公开(公告)日: 2021-09-03
发明(设计)人: 杨剑萍;华丽霞;陈小林 申请(专利权)人: 浙江工商职业技术学院
主分类号: G06F3/0481 分类号: G06F3/0481;G06F3/01
代理公司: 北京君恒知识产权代理有限公司 11466 代理人: 桂舒宁
地址: 315000 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 情绪 设计 对应 图标 方法
【说明书】:

一种基于情绪设计对应图标的方法,包括以下步骤A)使用空白图标,通过多个完全不知情的用户进行使用;步骤B)在体验的过程中,对每一位用户进行脑电波实验,经过半小时到一小时的实验时间,把脑电波的数据进行采集;步骤C)采集的数据进行整合,对数据进行电脑处理,数据转化为情绪值;步骤D)把情绪值类型分为四类,分别为开心、难过、评价和愤怒;E)根据情绪值的数值高低,在情绪值类型的基础上,把情绪值类型进行等级细分;步骤F)颜色的范围内和图标样式范围内随机抽取,最终完成图标的图标设计。本发明具有以下有益效果:根据图标的属性内容设计出符合该图标的图标,减少设计的时间,加强匹配度。

技术领域

本发明属于图标设计领域,具体涉及一种基于情绪设计对应图标的方法。

背景技术

脑电信号,是脑神经细胞生理活动在大脑皮层或头皮表面的总体反映。脑电信号中包含了大量的生理与疾病信息,而随着脑-计算机接口(BCI)技术的发展,脑电信号于医疗、工程领域的应用也愈加广泛。目前,基于脑电信号的情绪分析方法受到高度关注。

近年来,国内外不少相关研究已证明了通过脑电图进行情绪识别的可行性。FengLiu等人提出了一种基于样本熵的情绪识别方法、Calibo等人应用能量特征并结合神经网络对情绪进行识别。在前人的研究中,情绪的分类已被实现。然而,上述方法虽然在各自特定的实验中都表现出一定的准确性,但也存在明显不足:如分类准确度低,且模型无法迁移学习、终身学习,即无法对已存在的模型进行进一步的训练,无法随数据的获取实时调整模型,无法实现对模型的持续优。

目前移动图标应用有许多平台,比如Android,iOS,WindowsPhone,BlackBerry,一款好的图标软件图标,不仅看起来美观,而且让你有想更加深入了解它到底是做什么的欲望。每一个iOS应用都会以一枚图标启动图标的形式展现给使用者,它能传达应用程序的基础信息,并能够给用户带来第一印象感受。它能直接引导用户下载并使用应用程序。

UI设计人员有时设计出来的图标看起来很炫,但是投入市场后却得不到用户的认可,点击率很低,这其中的原因很多,单从视觉设计的层面讲,如何提升图标软件图标的视觉效果从而提升点击率已经成为每一个UI设计人员都应该考虑的问题。

对于图标设计最重要的两点选择。一、图标颜色的选择,二、图标形状的选择,因此现有技术无法使得图标背后的内容与图标的颜色和图标的形状能够进行完美结合。

发明内容

针对现有技术中的不足,本发明提供一种基于情绪设计对应图标的方法,来解决现有的图标背后的内容无法转换为图标设计,图标的颜色和图标的形状都需要人为的去选择,效率低下,而且设计效果差。

本发明通过以下技术方案实现。

一种基于情绪设计对应图标的方法,包括以下步骤A)使用空白图标,每一个图标都有设计的理念和内部运行内容,先用一个空白的图标,然后把内部的图标运行数据导入,导入后,通过多个完全不知情的用户进行使用;步骤B)在体验的过程中,对每一位用户进行脑电波实验,经过半小时到一小时的实验时间,把脑电波的数据进行采集;步骤C)采集的数据进行整合,对数据进行电脑处理,数据转化为情绪值;步骤D)对已经转换后的情绪值的类型进行分类,把情绪值类型分为四类,分别为开心、难过、评价和愤怒;E)根据情绪值的数值高低,在情绪值类型的基础上,把情绪值类型进行等级细分,分为等级1、等级2、等级3……一直到等级N,N为整数;步骤F)通过情绪值类型和情绪值等级在确定的颜色的范围内和图标样式范围内随机抽取,最终完成图标的图标设计。

作为优选,最终完成图标的图标设计后,如果不满意,可以退回至步骤F,进行二次随机抽取,最多退回次数不超过3次。

作为优选,情绪值类型为开心时,主颜色为红色或橘色二选一,按照等级加大,颜色逐渐变淡,等级1时为方形,等级2为圆形,等级2以后的都为圆形。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工商职业技术学院,未经浙江工商职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010585492.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top